

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、盲信號(hào)處理(Blind Signal Processing,BSP)是信號(hào)處理領(lǐng)域中一個(gè)重要的研究方向,它有堅(jiān)實(shí)的理論基礎(chǔ)和很多潛在的應(yīng)用,并在許多應(yīng)用領(lǐng)域得到了發(fā)展。在傳輸信道特征和真實(shí)源信號(hào)都未知的情況下,從傳感器陣列中提取或分離出源信號(hào)的問(wèn)題可以表述為盲源分離(Blind Source Separation,BSS)問(wèn)題。盲源分離問(wèn)題按混合方式可以分為瞬時(shí)型混合和卷積型混合兩種模型。瞬時(shí)型混合模型的觀測(cè)信號(hào)是源信號(hào)的線性組合,卷積
2、型混合模型比瞬時(shí)型混合模型更一般,其觀測(cè)信號(hào)是源信號(hào)和傳輸信道的卷積。獨(dú)立分量分析(Independent Component Analysis, ICA)是解決盲源分離問(wèn)題的主要方法之一。本文開(kāi)展了盲信號(hào)分離技術(shù)及其在無(wú)源定位中的應(yīng)用研究,主要研究成果有:
1、針對(duì)非圓信號(hào)的二階統(tǒng)計(jì)特性,本文提出一種新的時(shí)域快速獨(dú)立分量分析算法。通過(guò)構(gòu)造新的代價(jià)函數(shù)得出新的更新法則,能夠得到更為精確的分離結(jié)果。由于有些復(fù)信號(hào)在頻域中的特征更
3、為明顯,因此,將非圓信號(hào)的時(shí)域混合通過(guò)傅里葉變換轉(zhuǎn)換到頻域是一個(gè)新的思路,在頻域上對(duì)非圓信號(hào)的頻譜進(jìn)行分離后,再通過(guò)傅里葉逆變換得到原來(lái)時(shí)域上的信號(hào),這比直接在時(shí)域上進(jìn)行分離具有更好的分離效果。
2、獨(dú)立向量分析(Independent Vector Analysis,IVA)是獨(dú)立分量分析從單變量到多變量的一種推廣,能夠在頻域中有效地解決盲源分離問(wèn)題。獨(dú)立向量分析同時(shí)利用了各信號(hào)之間的統(tǒng)計(jì)獨(dú)立性和每個(gè)信號(hào)內(nèi)部的統(tǒng)計(jì)相關(guān)性。本
4、文提出非圓信號(hào)卷積型混合的獨(dú)立向量分析算法,推導(dǎo)出在每個(gè)頻點(diǎn)利用偽協(xié)方差矩陣信息的固定點(diǎn)算法。這一修正使得算法具有包含非圓信號(hào)在內(nèi)的更廣闊應(yīng)用場(chǎng)景。
3、把期望最大化(Expectation Maximization,EM)算法應(yīng)用到含噪獨(dú)立分量分析模型中,即假定源信號(hào)具有統(tǒng)計(jì)獨(dú)立性,并將其放在貝葉斯估計(jì)框架中,提出一種解決含噪獨(dú)立分量分析的期望最大化算法。在含噪獨(dú)立分量分析模型中,本文提出的期望最大化算法能夠在已知源信號(hào)統(tǒng)計(jì)
5、模型下提供一種估計(jì)模型參數(shù)方法,從而有效地估計(jì)源信號(hào)。
4、將基于非負(fù)信號(hào)混合凸分析的線性規(guī)劃分離算法推廣到更一般的實(shí)信號(hào)情形,即不再限定源信號(hào)非負(fù)。在各源信號(hào)時(shí)域最小值相等并且已知的假設(shè)下,從觀測(cè)信號(hào)中減去源信號(hào)的最小值,使得觀測(cè)信號(hào)可以表示為非負(fù)信號(hào)混合問(wèn)題,從而用基于非負(fù)信號(hào)混合凸分析的線性規(guī)劃分離算法對(duì)觀測(cè)信號(hào)進(jìn)行分離,再將分離后的信號(hào)加上源信號(hào)的最小值,得到原來(lái)的真實(shí)信號(hào)。這一推廣具有比非負(fù)盲源分離更廣的應(yīng)用范圍,并
6、且比傳統(tǒng)的實(shí)信號(hào)盲源分離算法優(yōu)越。
5、一個(gè)凸函數(shù)的鄰近點(diǎn)算子是將投影算子自然地推廣到凸集上,這一工具在凸優(yōu)化問(wèn)題的分析和各類(lèi)解法中起著重要的作用。在盲源分離問(wèn)題中,本文將獨(dú)立分量分析放到這一框架中進(jìn)行研究,提出基于快速鄰近點(diǎn)梯度的獨(dú)立分量分析算法,利用快速鄰近點(diǎn)的觀點(diǎn),推導(dǎo)出解混矩陣的更新法則。這一算法可以得到比復(fù)信號(hào)快速獨(dú)立分量分析等傳統(tǒng)算法更好的分離性能。
6、在獨(dú)立分量分析中,對(duì)觀測(cè)信號(hào)預(yù)白化處理至關(guān)重要,通
7、常采用主分量分析(PrincipalComponent Analysis,PCA)來(lái)進(jìn)行預(yù)白化處理。但在利用廣播、電視等作為外輻射源的被動(dòng)雷達(dá)系統(tǒng)中,觀測(cè)信號(hào)通常被強(qiáng)干擾和噪聲嚴(yán)重污染,傳統(tǒng)的盲源分離方法中沒(méi)有考慮這一問(wèn)題,因而分離性能較差。針對(duì)這一問(wèn)題,本文提出一種新的含噪盲源分離的白化框架,其主要思想是在對(duì)觀測(cè)信號(hào)白化之前從信號(hào)子空間的特征值中減去噪聲方差,從而考慮了噪聲對(duì)微弱目標(biāo)回波信號(hào)的影響,有助于提高 ICA的分離精度。仿真結(jié)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 盲源分離在通信信號(hào)分離中的應(yīng)用.pdf
- 盲源分離在信號(hào)探測(cè)中的應(yīng)用.pdf
- 盲信號(hào)處理及其在無(wú)源探測(cè)中的應(yīng)用研究.pdf
- 欠定盲源分離問(wèn)題及其在信號(hào)提取中的應(yīng)用.pdf
- 盲源信號(hào)分離算法研究及其應(yīng)用.pdf
- 盲源分離算法及其在雷達(dá)信號(hào)分選中的應(yīng)用.pdf
- 盲源分離及其在腦電信號(hào)處理中應(yīng)用的研究.pdf
- 盲源分離研究及其在腦電信號(hào)分析中的應(yīng)用.pdf
- 盲分離技術(shù)的研究及其在缺陷信號(hào)處理中的應(yīng)用.pdf
- 盲信號(hào)分離算法及其在轉(zhuǎn)子故障信號(hào)分離中的應(yīng)用方法研究.pdf
- 盲分離技術(shù)及其在水聲信號(hào)中的應(yīng)用研究.pdf
- 盲源分離技術(shù)研究及在盲波束形成中的應(yīng)用.pdf
- 盲信號(hào)處理技術(shù)在水下目標(biāo)分離中的應(yīng)用.pdf
- 單通道盲源分離及其在水聲信號(hào)處理中的應(yīng)用研究.pdf
- 盲信號(hào)分離技術(shù)及其應(yīng)用研究.pdf
- 盲源分離技術(shù)在轉(zhuǎn)子故障診斷中的應(yīng)用.pdf
- 盲源分離算法及其在語(yǔ)音分離中的應(yīng)用研究.pdf
- 盲源分離算法的研究及其在故障檢測(cè)中的應(yīng)用.pdf
- 盲源分離理論及其在通信系統(tǒng)中的應(yīng)用.pdf
- 盲源分離及其在DS-CDMA盲估計(jì)中的應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論